介護ロボット（見守り支援機器）の導入状況、調査結果が微妙・・・

CBnewsに電子カルテと介護ロボット（見守り支援機器）に関する記事を掲載いただいた。

電子カルテと介護ロボットの共通点 - CBnewsマネジメント

今回は下記の社保審 介護給付費分科会の資料がネタ元。

第215回社会保障審議会介護給付費分科会（Web会議）資料｜厚生労働省

その資料のうち、具体的にはこのテクノロジー活用の調査報告書（https://www.mhlw.go.jp/content/12300000/001104895.pdf）について触れた。

この資料の105ページ、「クロス集計３：施設・事業所規模別、見守り支援機器の導入概況」の説明文は下記のとおり。

施設・事業所規模別の見守り支援機器の導入概況について把握するため、職員数（実人数）および利用者数別のクロス集計を行ったが、一貫した傾向はみられなかった。一方、法人の売上高別の見守り支援機器の「導入済み」と回答した割合については、「５億円超１０億円以下」の場合は 42.7%、「１０億円超」の場合は 41.9%と、全体の 34.2%より高かった。（③「入所・泊まり・居住系」のみが回答対象）

一貫した傾向は見られなかったとある。しかしこれは調査区分の設定が原因で、傾向を言及できるだけの各区分のnを確保できなかった影響では？と思ったので、極端にnの少ない区分をまとめ、グラフにしてみた。すると、傾向がはっきりと見られた。

その結果を基に電子カルテとの類似性を指摘し、医療DXの話題を交え病院における今後の取組に関する考えを述べた。

今回の記事は、この介護給付費分科会の資料など、いつもと違うデータを基にグラフを作っているので、おかしいところがあったら、こっそりご指摘を。

近い将来、自分の仕事はAIに奪われる

CBnewsに病床利用率の分析記事を載せてもらった。

コロナの影響が弱まった病床利用率の低迷 - CBnewsマネジメント

コロナの影響の可視化が目的。結論はタイトルに書いてあるので、なぜそのような結論に至ったか、記事をお読みいただけると幸いだ。

今回の記事は、病院報告（毎月分概数）（https://www.mhlw.go.jp/toukei/list/79-1a.html）のデータを処理している。

https://www.mhlw.go.jp/toukei/list/79-1a.html

上記サイトの各月のリンクをクリックすると、「結果の概要」のPDFとその図表のエクセルファイル、および、下記の内容が載っている「参考表」のエクセルファイルが掲載されている。

• 参考表1　病院の１日平均在院患者数，病床の種類・都道府県別
• 参考表2　病院の１日平均外来患者数・外来患者延数，病院の種類・都道府県別
• 参考表3　病院の月末病床利用率，病床の種類・都道府県別
• 参考表4　病院の平均在院日数，病床の種類・都道府県別
• 参考表5　病院の在院患者延数，病床の種類・都道府県別
• 参考表6　病院の月末在院患者数，病床の種類・都道府県別
• 参考表7　病院の病床数，病床の種類・都道府県別
• 参考表8　病院の新入院患者数，病床の種類・都道府県別
• 参考表9　病院の退院患者数，病床の種類・都道府県別
• 参考表10　病院の療養病床，患者数・病床数・都道府県別
• 参考表11　病院の介護療養病床，患者数・病床数・都道府県別
• 参考表12　療養病床を有する診療所の１日平均在院患者数・病床利用率・平均在院日数，病床の種類・都道府県別
• 参考表13　療養病床を有する診療所の療養病床，患者数・病床数・都道府県別
• 参考表14　療養病床を有する診療所の介護療養病床，患者数・病床数・都道府県別

今回の記事では、この「参考表３ 病院の月末病床利用率，病床の種類・都道府県別」を分析した。

たくさんのエクセルファイルをダウンロードするだけでも面倒だし、ましてや、ひとつひとつファイルを開いて、データ整理するのも大変だ。

なので、こういった単純作業は、ケースバイケースだが、Pythonでプログラムを組んで、処理することが多い（すでにその処理用のプログラムが揃っているので、大抵は若干の修正で対応できることがほとんど）。

実は、ただプログラムを組むのが楽しくて・・・ということも珍しくなく、むしろ記事にまとめることの方が少ない？？（さすがに、クライアント向け資料、セミナー資料とかも合わせれば、そんなことはないか）

こういう”楽しみ”は、chatGPTなどの進化を見ていると、間違いなくAIに奪われる仕事だろう。将来、そのAIに使われるのか、AIを使うのか。どちらにしても、今は精進あるのみだ。